May, 2024

一个大规模多领域白血细胞形态特征解释能力的白血病数据集

PDF
TL;DR提供了一个全面真实且大型的数据集，以便于淋巴细胞白血病的早期诊断，通过使用不同成本和放大率的两个显微镜进行数据收集，并提供了基线模型以及基于形态学信息的属性预测。
leukemiadiagnosisdeep learningdatasetmicroscopes
发现论文，激发创造
  • WBCAtt：一个具有详细形态属性标注的白细胞数据集

    本文通过引入 WBC 显微图像的综合标注，解释了 XAI 在医学领域中的重要性和对基于图像的 WBC 细胞识别技术的提升，进一步促进了病理和血液学领域的发展。

    Jun, 2023

  • 揭示类似病理学解释的可解释性深度学习系统：白细胞分类

    使用 HemaX 模型，通过五个属性（粒度、细胞质颜色、细胞核形状、相对红细胞大小和核质比）进行细胞分类、定位和分割，并以类似病理学家的解释进行解释，表现出令人印象深刻的分类准确性和细胞定位的 Jaccard 指数，并且在生成解释方面也表现良好。

    Oct, 2023

  • 血液形态学中鲜明细胞分类的失衡域泛化

    本文介绍了一种针对不同细胞域之间数据分布不平衡和因噪声、神经元元素变化等因素引起的域移动问题的深度卷积神经网络。该方法在精确识别细胞分类方面表现出色，为实验室和诊所的应用提供了坚实的基础。

    Mar, 2023

  • 机器学习模型对白细胞分类的综述

    通过机器学习和深度学习模型应用于医学图像分析，本研究主要关注白细胞分类的现代技术，并提供了有关最常用的技术和最佳白细胞分类方法的宝贵见解，同时指出了数据集可用性、研究人员医学培训和使用高级深度学习网络的挑战。

    Aug, 2023

  • DAFFNet: 用于白细胞分类的双注意力特征融合网络

    利用白细胞图像的形态信息和高层语义信息，我们提出了一种新颖的双支网络（DAFFNet），首次将高层语义特征与白细胞的形态特征相结合，实现准确的白细胞分类。

    May, 2024

  • 基于大规模多扫描仪数据集的深度学习红细胞分割与分类

    数字病理学发展迅速，结合人工智能、深度学习和高性能计算等技术的进步，可以提高和加速诊断过程，减少人为错误，并简化报告步骤。本文提出了一个新的大型红细胞（RBC）图像数据集，并提出了一个两阶段的深度学习框架用于 RBC 图像分割和分类，采用 U-Net 模型进行自动 RBC 图像分割，并使用 EfficientNetB0 模型进行 RBC 图像分类，取得了 98.03％的 IoU 和 96.5％的平均分类准确率。与其他知名 CNN 模型进行的实验比较表明，该模型在性能和计算成本之间取得了良好的平衡。

    Mar, 2024

  • 白细胞图像的完全无监督实例分割技术

    本研究提出一种新颖的实例分割方法，用于从骨髓图像中分割包含核和细胞质的白细胞。

    Jun, 2023

  • 基于重新设计的自训练的半监督语义分割之白细胞

    通过引入 FixMatch 的自训练流程，以解决白血细胞（WBC）分割的大规模标记数据集缺乏和过时分割方法等挑战，本研究提出了一种半监督学习框架。通过在 DeepLab-V3 架构和 ResNet-50 上实现自我训练方案的一致性，我们在 Zheng 1、Zheng 2 和 LISC 数据集上分别达到 90.69%、87.37% 和 76.49% 的最佳表现。

    Jan, 2024

  • 基于深度学习的白细胞可解释分类研究

    这项研究探讨了无标记法对白细胞自动分类的置信度估计的校准，比较了不同的可视化解释方法，并且在血细胞分析的不同场景中展示了这些方法的实用性。

    Nov, 2023

  • LymphoML: 一种可解释的基于人工智能的方法发现与淋巴瘤亚型相关的形态特征

    利用 H&E 染色组织精确分类淋巴瘤亚型的方法是复杂的，本研究提出了 LymphoML - 一种可解释的机器学习方法，它识别与淋巴瘤亚型相关的形态特征，通过处理 H&E 染色组织微阵列核心、分割细胞核和细胞、计算包括形态学、纹理和结构的特征，并训练梯度增强模型进行诊断预测。LymphoML 的可解释模型在有限量的 H&E 染色组织上达到了与病理学家使用全层切片图像相当的诊断准确性，并在跨越 8 个淋巴瘤亚型的 670 个病例的危地马拉数据集上胜过黑匣子深度学习。通过 SHapley Additive exPlanation (SHAP) 分析，我们评估了每个特征对模型预测的影响，并发现核形状特征对 DLBCL（F1 得分：78.7%）和典型霍奇金淋巴瘤（F1 得分：74.5%）最具鉴别性。最后，我们首次证明了将 H&E 染色组织特征与标准化的 6 种免疫染色特征相结合的模型具有类似的诊断准确性（85.3%）与 46 种免疫染色特征的模型（86.1%）。

    Nov, 2023